-
公开(公告)号：CN117171782A
公开(公告)日：2023-12-05
申请号：CN202310834249.1
申请日：2023-07-07
Applicant: 清华大学 , 北京达佳互联信息技术有限公司
Abstract: 本公开提供了一种数据处理方法、装置、电子设备及存储介质，属于隐私计算领域。该方法包括：针对目标业务场景，确定当前用于保护模型训练过程中隐私数据的隐私保护等级；其中，目标业务场景包括搜索业务场景、广告业务场景或推荐业务场景；其中，不同的隐私保护等级对应不同的数据保护范围，数据保护范围是对模型训练过程中的隐私数据进行加密处理的范围；对于已配置的多个隐私保护等级，级别高的隐私保护等级的数据保护范围包括级别低的隐私保护等级的数据保护范围；确定当前的隐私保护等级对应的第一数据保护范围；在模型训练过程中，对第一数据保护范围内的隐私数据进行加密处理，得到密文数据。本公开实现了有效的隐私保护。
-
Patent Agency Ranking
公开(公告)号：CN109559321A
公开(公告)日：2019-04-02
申请号：CN201811435393.3
申请日：2018-11-28
Applicant: 清华大学
Abstract: 本发明公开了一种声呐图像分割方法和设备，所述方法包括：使用声呐原始数据建立无向图；在所述无向图中同时通过最小生成树和最大生成树对所述无向图进行分割，其中，通过所述最小生成树在所述无向图中划分出背景区域，通过所述最大生成树在所述无向图中划分出目标区域。本发明实施例在分割过程中使用声呐原始数据，最大化地不损失目标的信息，减小噪声对于分割过程的影响；本发明实施例的提出在所述无向图中同时通过最小生成树和最大生成树对所述无向图进行分割，兼顾了声呐数据目标区梯度波动大、背景区梯度波动不明显的特点，得到了用于目标检测的准确分割效果。
-
公开(公告)号：CN119277131B
公开(公告)日：2025-03-25
申请号：CN202411783990.0
申请日：2024-12-06
Applicant: 清华大学
IPC: H04N21/2347 , H04N21/4408 , H04N19/42 , G06F21/62
Abstract: 本公开涉及计算机视觉隐私保护技术领域，公开了一种视频数据的视觉隐私保护方法、装置及电子设备、存储介质，该方法包括：对待处理视频数据进行压缩，确定包括多个I帧、多个P帧以及多个B帧的压缩后的视频数据；针对任意一个I帧，根据预设的窗口尺度将该I帧划分为多个区域；根据该I帧内任意一个区域对应的灰度直方图，确定该区域对应的隐私度量熵；根据每个区域对应的隐私度量熵对该I帧进行加密，确定该I帧对应的加密帧；根据每个I帧对应的加密帧、多个P帧以及多个B帧，确定目标视频数据。通过本公开实施例，可量化评估视频帧的视觉信息复杂程度，有针对性地进行加密处理，在提高视觉隐私保护效果的同时，保证视频数据的可用性。
-
公开(公告)号：CN119272832A
公开(公告)日：2025-01-07
申请号：CN202411795362.4
申请日：2024-12-09
Applicant: 清华大学
Abstract: 本公开涉及计算机技术领域，尤其涉及一种兼容可信执行环境TEE的深度神经网络DNN模型训练方法及框架、电子设备和存储介质，所述方法包括：将预设训练样本图像数据输入DNN模型，DNN模型对应有目标计算图，目标计算图中包括多个计算节点、以及每个计算节点的硬件执行位置信息，每个计算节点的硬件执行位置信息用于指示异构硬件平台中的NNA或TEE；通过动态优化目标计算图，控制DNN模型在异构硬件平台上对预设训练样本图像数据执行数据处理；在数据处理完成之后，得到DNN模型输出的图像处理结果，以及根据图像处理结果，调整DNN模型的网络参数。本公开实施例有效实现DNN模型训练过程中对计算效率和数据隐私保护的兼容。
-
公开(公告)号：CN119272832B
公开(公告)日：2025-04-01
申请号：CN202411795362.4
申请日：2024-12-09
Applicant: 清华大学
Abstract: 本公开涉及计算机技术领域，尤其涉及一种兼容可信执行环境TEE的深度神经网络DNN模型训练方法及框架、电子设备和存储介质，所述方法包括：将预设训练样本图像数据输入DNN模型，DNN模型对应有目标计算图，目标计算图中包括多个计算节点、以及每个计算节点的硬件执行位置信息，每个计算节点的硬件执行位置信息用于指示异构硬件平台中的NNA或TEE；通过动态优化目标计算图，控制DNN模型在异构硬件平台上对预设训练样本图像数据执行数据处理；在数据处理完成之后，得到DNN模型输出的图像处理结果，以及根据图像处理结果，调整DNN模型的网络参数。本公开实施例有效实现DNN模型训练过程中对计算效率和数据隐私保护的兼容。
-
公开(公告)号：CN119277131A
公开(公告)日：2025-01-07
申请号：CN202411783990.0
申请日：2024-12-06
Applicant: 清华大学
IPC: H04N21/2347 , H04N21/4408 , H04N19/42 , G06F21/62
Abstract: 本公开涉及计算机视觉隐私保护技术领域，公开了一种视频数据的视觉隐私保护方法、装置及电子设备、存储介质，该方法包括：对待处理视频数据进行压缩，确定包括多个I帧、多个P帧以及多个B帧的压缩后的视频数据；针对任意一个I帧，根据预设的窗口尺度将该I帧划分为多个区域；根据该I帧内任意一个区域对应的灰度直方图，确定该区域对应的隐私度量熵；根据每个区域对应的隐私度量熵对该I帧进行加密，确定该I帧对应的加密帧；根据每个I帧对应的加密帧、多个P帧以及多个B帧，确定目标视频数据。通过本公开实施例，可量化评估视频帧的视觉信息复杂程度，有针对性地进行加密处理，在提高视觉隐私保护效果的同时，保证视频数据的可用性。
-
-
-
-
-
Search Results
6
records
(took 0.08 seconds)
